字符串的最小编辑距离（动态规划经典题目）

LeetCode刷题记录

---

📜题目描述

Levenshtein 距离，又称编辑距离，指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。

许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。编辑距离的算法是首先由俄国科学家 Levenshtein 提出的，故又叫 Levenshtein Distance 。

例如：

字符串A: abcdefg

字符串B: abcdef

通过 增加或是删掉字符 ”g”的方式达到目的。这两种方案都需要一次操作。把这个操作所需要的次数定义为两个字符串的距离。

要求：

给定任意两个字符串，写出一个算法计算它们的编辑距离。

数据范围：给定的字符串长度满足 1 <= len(str) <=1000

输入描述:

每组用例一共2行，为输入的两个字符串

输出描述:

每组用例输出一行，代表字符串的距离

示例1

输入

abcdefg
abcdef

输出

1

💡解题思路

典型的动态规划
状态
dp[i][j]: 使得str1的前i个字符和str2的前j个字符相等所编辑的最小次数
分析

1. 如果str1的第i个字符等于str2的第i个字符，那么编辑次数不变，等于str1的前i-1个字符和str2的前j-个字符的最小编辑距离，即dp[i-1][j-1]
2. 如果str1的第i个字符和str2的第j个字符不相等，此时有三种操作可以使得两个字符串继续保持相等：
   分别对应的就是:

   1. str1的前i-1个字符和str2的前j-1个字符的编辑距离 +1
   2. str1的前i-1个字符和str2的前j个字符的编辑距离 +1
   3. str1的前i个字符和str2的前j-1个字符的编辑距离 +1

   只需要取这三种请的最小值即可

状态转移

if(str1[i-1] == str2[j-1)
  dp[i][j] = dp[i-1][j-1]
else
  dp[i][j] = min(dp[i-1][j]+1,dp[i][j-1]+1,dp[i-1][j-1]+1)

初始值
dp数组的开辟：str1.size() +1 行， str2.size() +1 列

⌨C++代码